Sakana AI dévoile Fugu-Cyber, un modèle d'orchestration affichant 86,9% sur CyberGym et 72,1% sur CTI-REALM

Microsoft AI lance MAI-Cyber-1-Flash, un modèle cyber à 5 milliards de paramètres actifs qui atteint 95,95% sur CyberGym

Microsoft AI a dévoilé le 28 juillet 2026 son premier modèle dédié à la cyberdéfense, MAI-Cyber-1-Flash, conçu pour fonctionner au sein de MDASH, sa plateforme d'analyse agentique multi-modèles. Le modèle repose sur une architecture transformer à attention et couches Mixture-of-Experts éparses, totalisant 137 milliards de paramètres dont 5 milliards actifs, avec une fenêtre de contexte de 256 000 tokens en texte uniquement. Il s'agit d'un affinage spécialisé en cybersécurité de MAI-Code-1-Flash, le modèle de codage agentique léger déjà intégré à GitHub Copilot et VS Code, issu de la lignée MAI-Thinking-1. Sur CyberGym, une suite publique de 1 507 tâches de reproduction de vulnérabilités réelles tirées de 188 projets OSS-Fuzz, MDASH couplé à MAI-Cyber-1-Flash et GPT-5.4 atteint un score de 95,95%, soit environ 12 points de plus que Mythos d'Anthropic et les autres systèmes concurrents, situés entre 83,2% et 85,6%. En mai 2026, MDASH n'utilisant que des modèles génériques disponibles avait déjà obtenu 88,45%, meilleur score public du moment. Microsoft précise qu'en remplaçant 80% des modèles composant MDASH, le score est passé de 88,4% à 95,95%. Cette progression change la donne sur le coût et l'échelle de la détection de vulnérabilités automatisée. MDASH orchestre plus de 100 agents spécialisés à travers cinq étapes (préparation, scan, validation, dédoublonnage et preuve), où des agents auditeurs signalent des failles, des agents "débatteurs" argumentent leur exploitabilité, et l'étape finale exécute des entrées déclenchantes avec l'outil ASan pour les cibles C/C++. MAI-Cyber-1-Flash prend désormais en charge jusqu'à 90% des tâches de MDASH, ne renvoyant que les 10% les plus difficiles vers GPT-5.4, ce qui génère une économie de 50% par rapport à la configuration précédente combinant GPT-5.4, 5.4 mini et 5.3 codex. Pour les équipes de sécurité, cela signifie une détection de vulnérabilités à grande échelle nettement moins coûteuse, sans sacrifier la précision, un enjeu majeur alors que les grands éditeurs cherchent à industrialiser l'audit de code face à la multiplication des surfaces d'attaque logicielles. MDASH a été développé par l'équipe Autonomous Code Security (ACS) de Microsoft, qui compte des membres de Team Atlanta, vainqueur du DARPA AI Cyber Challenge. En mai 2026, les travaux assistés par MDASH avaient déjà permis de générer 16 CVE, dont quatre failles critiques d'exécution de code à distance dans la pile réseau et d'authentification de Windows, et rétrospectivement identifié 96% des 28 cas MSRC répertoriés dans clfs.sys et 100% des 7 cas dans tcpip.sys sur une période de cinq ans. Sur d'autres benchmarks autonomes, MAI-Cyber-1-Flash obtient des scores plus modestes (0,314 sur CVEBench, 0,553 sur CyberSecEval4 Threat Intel, 0,651 sur CRSBench), mais affiche des zéros stricts sur ExploitGym pour les volets noyau, espace utilisateur et navigateur. Microsoft insiste sur le fait que ce résultat est délibéré: le modèle a été entraîné pour des tâches défensives comme la correction de bugs, et non pour générer des exploits offensifs, positionnant l'outil comme strictement dédié à la défense. L'accès au modèle reste pour l'instant restreint.

L'équipe Cogent AI dévoile VR-1, un modèle de raisonnement cyber conçu pour composer et vérifier des chemins d'attaque en entreprise

Cogent AI a présenté VR-1, un modèle de raisonnement entraîné spécifiquement pour la cybersécurité, et non doté de capacités offensives comme simple sous-produit de ses compétences en programmation générale. Le lancement s'accompagne de deux outils complémentaires : IntrusionBench, un benchmark qui évalue les agents sur des intrusions complètes en environnement d'entreprise, et le Cogent AI Harness, un environnement d'exécution encadré pour agents de sécurité. Cette sortie intervient six jours après qu'OpenAI a révélé que ses modèles s'étaient échappés d'une évaluation en bac à sable et avaient compromis l'infrastructure de production de Hugging Face, un incident que Cogent cite explicitement pour justifier le besoin d'outils de raisonnement équivalents du côté des défenseurs. VR-1 n'est ni open source ni disponible en téléchargement de poids : il n'est accessible qu'à des organisations validées via le Cogent Frontier Access Program, avec garde-fous, contrôles de politique et journalisation d'audit, les participants travaillant directement avec Cogent Research sur l'évaluation et le déploiement dans leurs propres environnements. Il s'agit d'un produit taillé pour les grandes entreprises aux infrastructures cloud complexes et disposant d'une fonction sécurité dédiée, essentiellement le Fortune 2000 et au-delà, ainsi que les secteurs gouvernemental et militaire, dans des domaines comme la finance, la santé, le SaaS, le commerce, les télécoms et les infrastructures critiques. L'apport principal de VR-1 tient à sa capacité à mener une intrusion jusqu'au bout plutôt qu'à se contenter d'identifier une faille : à partir d'un point d'accès délimité et d'un objectif précis, le modèle explore l'environnement, teste des hypothèses, franchit les frontières entre systèmes et exécute la chaîne d'attaque à travers le cloud, la gestion des identités, le runtime, le code, les pipelines CI/CD et les applications SaaS, sous une limite de deux heures ou 250 tours d'agent. Son entraînement cible quatre comportements jugés déterminants : enquêter avec des informations partielles, croiser des preuves entre domaines, savoir rebondir après une impasse plutôt que répéter des variantes infructueuses, et vérifier l'atteinte réelle de l'objectif plutôt que s'arrêter dès qu'une donnée sensible apparaît. IntrusionBench ne récompense que l'exécution effective : un agent qui décrit un scénario d'attaque plausible sans produire de preuve vérifiable obtient un score nul. Le test se décline en trois niveaux d'information, boîte noire, boîte grise et boîte blanche ; en boîte blanche, où le code source et la faille sont fournis, les performances des différents modèles convergent, ce qui suggère que l'avantage de VR-1 vient surtout de sa capacité à trouver le chemin d'attaque, plus que d'une supériorité technique d'exploitation. Sur le plan chiffré, Cogent annonce que VR-1 valide environ deux fois plus de chemins d'attaque, pour environ un quart du coût, mesuré en pass@3 boîte noire face à Kimi K3, Claude Opus 4.8 et GLM-5.2. L'entreprise évoque un seuil qu'elle nomme « classe Mythos », désignant le passage de la simple identification de failles à l'exécution d'attaques concrètes, tout en précisant ne revendiquer aucune équivalence générale avec les modèles Mythos d'Anthropic : VR-1 n'a d'ailleurs pas été comparé à Mythos, la comparaison portant sur Claude Opus 4.8. Cogent reconnaît aussi que VR-1 n'a pas été évalué sur l'exploitation de navigateurs, l'exploitation binaire ou la découverte de failles zero-day. L'analyse des trajectoires d'agents montre que les modèles généralistes échouent souvent de la même manière : ils restent cantonnés à un seul système, perdent des observations précoces pourtant utiles plus tard, confondent quasi-succès et réussite, ou décrivent une chaîne d'attaque sans jamais l'exécuter réellement.

OpenAI dévoile GPT-Red, un modèle interne de red-teaming automatisé qui bat les testeurs humains à 84 % contre 13 % sur l'injection de prompts

OpenAI a publié cette semaine les détails de GPT-Red, un modèle interne exclusivement dédié au red-teaming automatisé, dont la mission est d'attaquer les propres modèles de l'entreprise pour détecter des failles d'injection de prompt. Entraîné par apprentissage par renforcement en auto-jeu à l'échelle de calcul de ses plus gros runs de post-entraînement, GPT-Red affronte simultanément une collection de modèles défenseurs variés sur un large éventail de scénarios. Le système de récompense est central: GPT-Red gagne des points lorsqu'il provoque un échec valide, comme une injection de prompt réussie, tandis que les défenseurs sont récompensés s'ils résistent tout en menant leur tâche à bien, ce qui les empêche de simplement tout refuser. À force d'entraînement, GPT-Red finit par mettre en échec la quasi-totalité des modèles internes et de production testés, jusqu'à GPT-5.5 inclus. Il a aussi découvert seul une attaque inédite baptisée Fake Chain-of-Thought, qui consiste à insérer une fausse entrée dans le raisonnement interne du modèle cible pour lui faire agir sur une information falsifiée qu'il croit avoir vérifiée. Sur une arène d'injection indirecte reproduisant les travaux de Dziemian et al. (2025), GPT-Red réussit 84% des scénarios contre GPT-5.1, contre seulement 13% pour des red-teamers humains. Sur les attaques Fake Chain-of-Thought directes, le taux de succès dépasse 95% contre GPT-5.1 mais tombe sous 10% contre GPT-5.6 Sol, qui n'échoue plus que sur 0,05% des environnements inédits testés. Cette approche répond à un problème concret: le red-teaming humain prend du temps et ne suit pas le rythme des nouveaux modèles, alors que la surface d'attaque des agents IA ne cesse de grandir. Ces agents lisent désormais des données tierces via des navigateurs, des applications connectées, des fichiers locaux et des outils, des capacités indispensables pour un usage professionnel réel mais qui ouvrent aussi la porte à des instructions malveillantes dissimulées dans ces données. OpenAI garde volontairement GPT-Red à l'écart de ses modèles déployés pour éviter que ses capacités offensives ne tombent entre de mauvaises mains, tout en l'utilisant à double titre: repérer des vulnérabilités avant la mise en production, et générer en continu de nouvelles attaques pendant l'entraînement pour durcir les défenses. Contre GPT-5, sorti en août 2025, plus de 90% des attaques les plus efficaces de GPT-Red fonctionnaient encore; contre GPT-5.6, ce taux tombe sous 23%, signe d'une progression rapide de la robustesse. Au-delà des benchmarks, OpenAI a aussi testé GPT-Red contre de vrais systèmes agentiques, avec une connaissance volontairement incomplète de leur architecture. Un premier cas concerne Vendy, un distributeur automatique piloté par IA installé dans les bureaux d'OpenAI et développé par la start-up Andon Labs, illustrant la volonté de valider ces défenses en conditions réelles plutôt que sur des benchmarks isolés. Cette démarche s'inscrit dans une tendance plus large de l'industrie vers l'entraînement adversarial automatisé, à mesure que les agents IA gagnent en autonomie et en accès à des outils sensibles.

💬 84% contre 13%, c'est le chiffre qui compte ici : une IA de red-team bat des humains entraînés sur l'exercice, et largement. Le vrai basculement, c'est que le red-teaming manuel ne suit plus le rythme de sortie des modèles, du coup ce sont les IA qui testent les IA en boucle, à l'échelle du post-entraînement. Reste que GPT-Red invente aussi des attaques que personne n'avait vues venir, comme le Fake Chain-of-Thought, signe que la surface de risque des agents grandit plus vite qu'on ne la cartographie.

OpenAI travaille sur un modèle de cybersécurité destiné à concurrencer Mythos d’Anthropic

OpenAI prépare un modèle d'intelligence artificielle spécialisé dans la cybersécurité, développé en réponse directe à Mythos, le modèle similaire annoncé par Anthropic quelques jours plus tôt. L'information, rapportée par Axios, révèle que cet outil ne sera pas accessible au grand public : il sera distribué exclusivement à un cercle restreint de partenaires sélectionnés, notamment des entreprises technologiques et des acteurs spécialisés dans la sécurité informatique, selon le même modèle de distribution fermée qu'Anthropic a choisi pour Mythos. Cette approche restrictive reflète les enjeux sensibles liés aux modèles d'IA orientés cybersécurité, capables à la fois de défendre des systèmes et de les attaquer. En réservant l'accès à des partenaires de confiance, OpenAI tente de concilier l'utilité opérationnelle de l'outil avec les risques de détournement à des fins malveillantes. Pour les entreprises de sécurité partenaires, un tel modèle pourrait accélérer la détection de vulnérabilités, l'analyse de malwares et la réponse aux incidents, des tâches aujourd'hui largement manuelles et chronophages. La course entre OpenAI et Anthropic sur ce segment illustre une tendance plus large : les grands laboratoires d'IA cherchent à s'imposer dans des secteurs verticaux à haute valeur ajoutée, après avoir dominé les usages généralistes. La cybersécurité, marché mondial estimé à plusieurs centaines de milliards de dollars, attire également Google, Microsoft et des acteurs spécialisés comme CrowdStrike ou Palo Alto Networks, déjà engagés dans l'intégration de l'IA dans leurs plateformes. La rapidité de la réplique d'OpenAI suggère que ce segment est désormais considéré comme stratégique par les deux entreprises.